机构名称：
¥ 1.0
摘要：基于深度学习的医学图像分割是计算机视觉领域的一个中心研究问题。现有的许多分割网络虽然能够利用较少的数据集实现精确分割，但存在网络灵活性差、没有充分考虑特征通道间的相互依赖性等缺点。针对这些问题，本文提出了一种新的反规范化通道注意网络，该网络采用改进的反规范化残差块结构，并在网络中引入新的通道注意模块，用于复杂血管的分割。反规范化网络将提取出的粗略特征送入通道注意网络，通道注意模块可以显式地建模通道间的相互依赖性，并关注多个特征通道中与关键信息的相关性，从而能够聚焦于多个特征通道中与关键信息关联度最高的通道，得到更为细致的特征结果。实验结果表明，本文提出的网络可行、鲁棒性好，能够精确分割血管，特别适合于复杂血管结构。最后，将本文提出的网络与当前最佳网络进行了比较验证，获得了更好的实验结果。
应用科学
主要关键词
相关文件推荐
